分布式算法学习---拜占庭将军问题

拜占庭将军问题很好的抽象了分布式系统面临的共识问题。
以六国与秦国作战作为类比，先做以下的假设：
忠诚的将军，你可以理解为正常运行的计算机节点；
叛变的将军，你可以理解为出现故障并会发送误导信息的计算机节点；
信使被杀，可以理解为通讯故障、信息丢失；
信使被间谍替换，可以理解为通讯被中间人攻击，攻击者在恶意伪造信息和劫持通讯。
以三个国家攻打秦国为例，假设秦国很强大，需要半数以上的国家同时进攻才能打败秦国。统帅为苏秦。
那么苏秦面临着怎么统一作战的问题。
二忠一叛的难题
按照少数服从多数的原则，只要大多数的意见一致就可以了。
比如：
1 齐根据侦查情况决定撤退；
2 楚和燕根据侦查信息，决定进攻。
按照原则，齐也会进攻。最终，3 支军队同时进攻，大败秦军

问题出现了：
楚这个叛徒在暗中配合秦国，让信使向齐发送了“撤退”，向燕发送了“进攻”，就会出现作战计划不一致的问题。
燕看到的是，撤退：进攻 =1:2；
齐看到的是，撤退：进攻 =2:1。

解决办法之一：口信消息型拜占庭问题之解
第一步，加多一个将军，三位将军都分拨一部分军队，由苏秦率领。变成两轮协商。
第一论：
假设苏秦先发起进攻的指令：

第二轮：
齐、楚、燕分别作为指挥官，向另外 2 位发送作战信息“进攻”，楚是叛变的，所以发送的是撤退：

最后呢，齐和燕收到的作战信息都是“进攻、进攻、撤退”，按照原则，齐和燕与苏秦一起执行作战指令“进攻”，实现了作战计划的一致性，保证了作战的胜利。
假设是楚先发送作战信息呢：
在第一轮作战信息协商中，楚向苏秦发送作战指令“进攻”，向齐、燕发送作战指令“撤退”。

第二轮作战信息协商中，苏秦、齐、燕分别作为指挥官，向另外两位发送作战信息。

最后，苏秦、齐和燕收到的作战信息都是“撤退、撤退、进攻”，按照原则，苏秦、齐和燕一起执行作战指令“撤退”，实现了作战计划的一致性。
兰伯特在论文《The Byzantine Generals Problem》中提到的口信消息型拜占庭问题之解：如果叛将人数为 m，将军人数不能少于 3m + 1 ，那么拜占庭将军问题就能解决了。
其中，首先要知道叛将的人数m，m决定了要递归循环多少次(要进行多少次协商,m+1轮)。n 位将军，最多能容忍 (n - 1) / 3 位叛将。
解决办法二：签名消息型拜占庭问题之解
通过签名的方式，实现在不增加将军的情况下，解决拜占庭将军问题。
必须要实现：
1 忠诚将军的签名无法伪造，而且对他签名消息的内容进行任何更改都会被发现；
2 任何人都能验证将军签名的真伪。
对于收到伪造的信息，将会忽略。
比如：

叛将先发送消息的情况下，齐和燕会根据一定的规则，在接受到的所有消息进行排序后，选择一个进行执行，达到一致的作战计划。

通过签名机制约束叛将的叛变行为，任何叛变行为都会被发现，也就会实现无论有多少忠诚的将军和多少叛将，忠诚的将军们总能达成一致的作战计划。
拜占庭容错算法（BFT）：在区块链或者存在恶意节点的情况下必须使用拜占庭容错，常见的有POW算法，PBFT算法。
非拜占庭容错算法，即故障容错算法（CRT）： 解决的是分布式的系统中存在故障，但不存在恶意节点的场景下的共识问题
常见的算法有 Paxos 算法、Raft 算法、ZAB 协议。